Jujur aja, aku capek liat timeline.

Isinya kalau nggak orang pamer relationship goals yang sebenernya cuma filtering momen terbaik (a.k.a cherry-picking data), ya orang galau karena disakitin sama "tipe yang itu-itu lagi".

Ini masalah klasik di dunia software engineering: kamu terus-terusan nge-deploy kode yang sama di environment yang berbeda, terus berharap hasilnya beda. Einstein bilang itu definisi gila. Kalau aku bilang, itu definisi "kurang algoritma".

Manusia itu aneh. Kita pake data buat beli saham, pake statistik buat prediksi cuaca, bahkan pake Machine Learning buat nentuin rute ganjil-genap. Tapi giliran milih pasangan hidup, keputusan paling krusial yang bakal nentuin happiness metrics kamu selama 50 tahun ke depan, kita malah balik ke metode zaman batu: "Ikutin kata hati".

Bullshit.

"Kata hati" itu sebenernya cuma akumulasi dari bias kognitif, feromon, trauma masa kecil yang belum resolved (baca: technical debt), dan validasi sosial. Itu bukan intuisi, itu spaghetti code yang jalan di sistem operasi bernama Otak Mamalia.

Sebagai mahasiswa Matematika Terapan yang lebih sering ngobrol sama VSCode daripada manusia, aku ngerasa perlu ada intervensi logika di sini.

Kita perlu berhenti ngeliat cinta sebagai "takdir magis" dan mulai ngeliat itu sebagai Masalah Optimasi Stokastik.

The Legacy Code: "Tipe Idaman"

Kamu pasti punya temen (atau kamu sendiri) yang bilang: "Duh, tipe aku tuh yang tinggi, putih, bisa main gitar, humoris, mapan, sayang kucing, rajin ibadah, tapi agak bad boy dikit."

Dalam ilmu data, ini yang disebut Unstructured Data. Sampah.

Kamu numpuk variabel kualitatif tanpa hierarki, tanpa bobot, dan tanpa definisi operasional yang jelas.

"Mapan" itu apa? Gaji UMR atau punya passive income dari dividen saham BBCA?
"Humoris" itu apa? Receh kayak bapak-apak WhatsApp atau sarkas kayak stand-up comedian US?

Kalau kamu masukin query kayak gitu ke search engine, hasilnya pasti zero results. Atau lebih parah, sistem bakal maksa nyari yang "mendekati" dan akhirnya kamu dapet false positive: Cowok yang "agak bad boy" tapi ternyata cuma pengangguran yang males mandi.

Masalahnya, manusia itu kompleks. Kompleksitasnya mungkin O(n!) atau bahkan eksponensial. Kalau kamu nyoba nge-parse setiap atribut dari gebetan kamu, mulai dari cara dia ngunyah, selera musik, sampe pandangan politiknya... processor otak kamu bakal overheat. Kamu bakal kena Analysis Paralysis.

Makanya, aku ngenalin konsep yang aku pake sendiri: Weighted Sum Model (Model Penjumlahan Berbobot).

Algoritma Cinta: `U(x)`

Di Operations Research, kita sering pake Weighted Sum Model buat ngambil keputusan multi-kriteria. Misal: milih lokasi pabrik, milih vendor server, atau dalam kasus ini, milih calon istri/suami.

Konsepnya sederhana: Kita nggak bisa dapet segalanya (itu prinsip Pareto Optimality). Kita harus trade-off. Tapi trade-off nya harus terukur, bukan asal "ya udahlah nerimo".

Rumus dasarnya kalau ditulis dalam kode Python kira-kira gini:

def calculate_utility(candidate):
    # U(x) = Σ (w_i * x_i) + ε
    utility = 0
    for trait in traits:
        utility += (trait.weight * candidate.score[trait])

    return utility + epsilon

Dimana:

U(x): Nilai Utilitas (Skor Kelayakan) seseorang buat masuk ke hidup kamu.
w_i: Bobot kepentingan (seberapa krusial kriteria i buat kamu, totalnya harus 100% atau 1.0).
x_i: Skor orang tersebut di kriteria i (skala 1-10).
epsilon (Epsilon): Error Term atau Variabel Galat.

Nah, satu hal yang perlu diingat: Variabel dan bobotnya itu terserah kamu.

Kamu mau pake 7 sampai 8 variabel karena kamu orangnya detail banget? Silakan. Atau kamu tipe yang simpel dan cuma peduli 2 variabel utama (misal: "Kaya" dan "Bernafas")? Ya terserah, itu hak prerogatif user.

Tapi kalau menurutku pribadi, setelah melakukan feature selection dari ribuan kompleksitas manusia, aku menyederhanakannya jadi 5 Variabel Utama yang menurut aku paling krusial buat kestabilan sistem jangka panjang. Ini bukan tentang nyari yang "sempurna", ini tentang nyari yang "optimal".

Mari kita bedah satu-satu.

`x_1`: Intelektualitas (Bobot: 40%)

Ini variabel dengan bobot terbesar. Mutlak. 40%.

Kenapa? Karena ngobrol sama orang yang logic-nya nggak jalan itu kayak nyoba nge-debug kode tanpa dokumentasi: nyapekin dan bikin frustrasi.

Intelektualitas di sini bukan berarti dia harus lulusan Cumlaude atau ngerti Kalkulus Lanjut. Bukan. Ini tentang Logical Reasoning.

Bisa nggak dia bedain antara korelasi dan kausalitas?
Bisa nggak dia diajak diskusi tanpa pake argumen ad hominem?
Percaya zodiak atau hoax grup keluarga nggak?

Bayangin kamu mau curhat masalah kantor yang kompleks, tapi respon dia cuma, "Ah itu pasti karena Merkurius lagi retrograde." Keluar. Force Close. kill -9.

Hidup itu penuh masalah yang butuh problem solving. Aku butuh partner yang bisa jadi co-pilot, bukan penumpang yang cuma bisa teriak-teriak panik pas ada turbulensi. Kalau dia nggak bisa diajak mikir rasional, hubungan kamu bakal isinya cuma drama yang nggak perlu. Inefficient.

`x_2`: Humor (Bobot: 20%)

Hidup itu tragis. Kata Camus, hidup itu absurd. Satu-satunya cara bertahan hidup tanpa jadi gila adalah dengan menertawakan ketololan dunia ini.

Makanya, Humor dapet bobot 20%. Tapi bukan sembarang humor. Aku butuh kompatibilitas style komedi.

Kalau aku ngeluh pake sarkasme ("Wah, hebat ya pemerintah, solusinya sangat out of the box sampai kotaknya ilang"), dia harusnya ketawa atau nambahin sarkasme lain. Kalau dia malah tersinggung atau nganggep aku negatif, system crash.

Humor itu mekanisme error handling dalam hubungan. Pas lagi berantem, pas lagi bangkrut, pas lagi sakit, kemampuan buat ketawa bareng itu fitur recovery yang paling ampuh. Pasangan yang kaku itu kayak server yang nggak punya fitur auto-restart. Sekalinya down, down selamanya.

`x_3`: Visi Hidup (Bobot: 20%)

Ini soal kompatibilitas roadmap. Kamu mau kemana 5 tahun lagi? 10 tahun lagi?

Kalau kamu mau jadi nomaden digital yang keliling dunia, sementara dia cita-citanya jadi PNS yang menetap di satu kecamatan seumur hidup, itu namanya Divergent Vectors.

Vektor A ke kanan, Vektor B ke kiri. Resultannya nol. Atau malah sobek di tengah.

Banyak orang putus di tengah jalan bukan karena nggak cinta, tapi karena roadmap-nya beda. Dan bodohnya, mereka baru ngecek roadmap ini setelah 3 tahun pacaran. Itu namanya buang-buang compute resource. Cek di awal. Kalau visinya beda jauh dan tidak ada titik temu (irisan himpunan kosong), abort mission.

`x_4`: Empati (Bobot: 10%)

Ini variabel kontrol buat mendeteksi narsisme dan psikopati. Cuma 10%? Kok dikit? Karena menurut aku, kalau x_1 (Intelektualitas) tinggi, biasanya empati bakal ngikut (rasionalitas menuntut kita buat adil). Tapi tetep perlu variabel eksplisit.

Gimana cara dia ngetreat pelayan? Gimana cara dia ngadepin kucing liar? Kalau dia cantik, pinter, tapi nendang kucing yang minta makan... itu red flag segede banner partai di pinggir jalan.

Empati itu firewall yang nyegah kamu disakitin secara emosional. Tanpa empati, hubungan kamu cuma jadi transaksi.

`x_5`: Estetika Fisik (Bobot: 10%)

"Ih kok fisik cuma 10%? Munafik kamu!" Dengerin dulu. Aku nggak bilang fisik nggak penting. Aku bilang bobotnya kecil dibanding yang lain.

Biologis dasar manusia emang nyari simetri wajah dan rasio tubuh yang sehat. Itu hardcoded di DNA kita buat survival spesies. Aku akuin, aku juga suka liat cewek yang manis. Tapi, fisik itu variabel yang Depresiasinya Paling Tinggi.

Kecantikan/ketampanan itu aset yang nilainya turun terus seiring waktu (Time Decay). Sementara Intelektualitas (x_1) dan Humor (x_2) itu aset yang nilainya bisa compounding.

Kamu mau invest di aset yang nilainya turun, atau yang naik? Lagian, kalau x_1 sampe x_4 udah tinggi, biasanya x_5 ini jadi bias positif. Orang pinter dan lucu itu otomatis kelihatan lebih menarik. Itu efek halo effect yang menguntungkan.

Upgrade: Kapan Pake WSM, Kapan Pake AHP?

Satu catatan penting sebelum kamu mulai bikin spreadsheet. Weighted Sum Model ini alat yang sifatnya high-level screening. Kasarannya, dia ini saringan tahap satu.

Cocok banget dipake buat kencan buta, kenalan dari aplikasi ijo/oren, atau pertemuan yang baru didasari 1-2 kali ngopi di coffee shop yang musiknya kekencengan. Di fase ini, data kamu masih terbatas, sample size-nya kecil, jadi butuh alat yang quick and dirty buat nentuin: lanjut atau skip.

Tapi...

Kalau kamu udah ada niatan serius, mau validasi hubungan yang lebih mendalam biar nggak boncos investasi perasaan, WSM mulai kerasa kurang. Bias subjektifnya masih kegedean.

Di level ini, kamu butuh AHP (Analytic Hierarchy Process).

Ini beda monster. AHP itu metode pengambilan keputusan yang terstruktur banget. Di sini, kamu nggak cuma ngasih nilai asal-asalan. Kamu dipaksa buat ngelakuin Pairwise Comparison... membandingkan setiap kriteria head-to-head.

Pertanyaannya jadi lebih tajam: "Lebih penting mana: Humor atau Visi Hidup?" "Kalau lebih penting Visi, seberapa mutlak bedanya? Skala 1 sampai 9?"

Nanti dari situ dibikin matriks perbandingan, diitung eigenvector-nya buat dapet bobot prioritas yang presisi, terus yang paling gila: ada uji konsistensi (Consistency Ratio). Kalau rasio kamu di atas 0.1, artinya jawaban kamu inkonsisten (labil), dan kamu harus ulang lagi ngisinya. AHP memaksa kamu jujur sama diri sendiri secara matematis.

Tapi terus aku mikir lagi sambil nyeruput kopi sachet... c'mon, apakah hubungan harus dianalisis sedalam itu? Kita ini mau cari belahan jiwa atau mau bikin dokumen tender proyek pemerintah?

The Epsilon (`epsilon`): Variabel Kekacauan

Nah, ini bagian paling menarik. Udah diitung pake rumus canggih, udah ditimbang bobotnya... tetep aja ada epsilon.

Error Term.

Ini adalah tong sampah statistik. Tempat membuang segala hal yang nggak bisa didefinisikan sama logika aku yang kaku ini. Kecerobohan dia yang suka numpahin kopi. Obsesinya sama boyband Korea yang aku tidak mengerti. Cara dia ketawa yang aneh. Wangi parfumnya yang entah kenapa bikin tenang.

Dalam model matematika ideal, kita pengen epsilon mendekati nol. Kita pengen prediksi yang 100% akurat. Tapi dalam hubungan manusia, justru epsilon ini yang seringkali jadi penentu.

Kadang, kamu ketemu orang yang skor totalnya cuma 7.5 (di bawah ambang batas 8.0). Secara logika harusnya di-reject. Tapi epsilon-nya gede banget. Ada "sesuatu" yang tidak masuk akal yang membuat kamu nyaman.

Apakah aku akan ngelanggar aturan aku sendiri demi epsilon? Seorang data scientist yang baik bakal bilang: "Cek dulu, ini outlier atau anomaly?" Tapi seorang manusia mungkin bakal bilang: "Screw the data, let's run the risks."

Banyak orang rasional yang bergelut sama ini. Dia pengen segalanya terukur, tapi dia jatuh cinta sama cewek yang isinya Chaos murni. Cewek yang adalah personifikasi dari epsilon.

Kesimpulan: Jangan Lupa "Compile"

Metode Weighted Sum Model ini bukan hukum Tuhan. Ini cuma alat bantu. Decision Support System. Gunanya biar kamu nggak buta-buta amat pas lagi kasmaran. Biar kamu punya checklist logis buat nge-rem pas dopamin lagi nge-gas pol.

Saran aku:

Tentuin bobot (w_i) versi kamu sendiri. Mungkin buat kamu Fisik 50%? Silakan, asal sadar risikonya (depresiasi aset).
Lakuin scoring secara objektif. Jangan curang nambah-nambahin nilai cuma karena dia baru nge-chat "Good morning".
Tetepin Threshold (T_a). Kalau skornya di bawah 7, jangan dipaksain. Jangan jadiin proyek amal.

Hidup itu terlalu singkat buat nge-debug hubungan yang dari awal arsitekturnya sudah salah. Cari yang kompatibel, optimasi di runtime, dan nikmatin prosesnya.

Dan kalau kamu nemu seseorang yang skornya tinggi DAN epsilon-nya bikin hati kamu anget... keep them. Itu namanya Global Maxima. Jarang-jarang ketemu.

Happy optimizing.

"Cinta itu kayak Recursion tanpa Base Case. Kalau nggak hati-hati, kamu bakal terjebak dalam Infinite Loop sampai Stack Overflow." - Khay, 2026.

The Legacy Code: "Tipe Idaman"

Algoritma Cinta: U(x)

x_1: Intelektualitas (Bobot: 40%)

x_2: Humor (Bobot: 20%)

x_3: Visi Hidup (Bobot: 20%)

x_4: Empati (Bobot: 10%)

x_5: Estetika Fisik (Bobot: 10%)